RPA : Sur-hypée ou juste un pansement ? Les moteurs de décision sont-ils le vrai futur ?

On l'entend assez souvent. La RPA est sur-hypée. C'est comme un pansement. Maintenant Information Age a parlé à un expert en conseil business qui a argumenté que les moteurs de décision plutôt que la RPA est le futur. A-t-il raison ?

Pour Albert Rees, qui dirige le conseil business pour l'Amérique du Nord, pour EPAM, la RPA est plus comme un pansement.

Rees voit deux problèmes avec la RPA.

• Les coûts d'implémentation sont beaucoup plus hauts qu'ils ne l'anticipaient.
• Les coûts de maintenance. « Vous déplacez des données entre des systèmes existants et si ces systèmes ne changent jamais, tout va bien dans le monde. Mais ce n'est pas vraiment le cas. Donc comme les systèmes évoluent, les choses au back-end doivent changer aussi. »

Rees dit : « Vous devez aller à un niveau de détail assez bas pour vraiment comprendre où l'automatisation va marcher et ce qu'elle va faire et comment elle va interagir avec les systèmes. » Arriver à ce niveau de détail bas porte un coût aussi.

Il ajoute : « Nous voyons des gens copier-coller dans et hors de tableurs, vous allez dans des centres d'appels, vous voyez le scénario à trois écrans où ils déplacent des données de l'écran A à l'écran B à l'écran C et c'est juste trois systèmes internes qu'ils déplacent l'information autour et l'un d'eux pourrait être Excel. Si quelque chose change sur l'un de ceux-là et soudain vous devez retourner et implémenter une mise à jour. La plupart des organisations ne peuvent pas faire cela elles-mêmes donc elles sont de retour à dépenser de l'argent encore. »

Moteurs de décision

À la place, il voit les moteurs de décision comme la clé. Mais qu'est-ce que c'est ? Il a dit : « Je pense aux Moteurs de Décision comme des outils utilisés pour automatiser une portion de la prise de décision humaine qui peut être définie par un ensemble de règles. Ils marchent en appliquant des règles business pré-définies (souvent appelées « arbres de décision ») à des jeux de données. Les Moteurs de Décision ne sont pas typiquement un remplacement pour la RPA, cependant ils peuvent améliorer la RPA quand un processus requiert qu'une décision soit prise en évaluant des règles complexes appliquées à des jeux de données complexes. »

Le débat

Alors, est-ce juste ?

Récemment, Information Age a parlé à Bruno Ferreira Managing Director UK & Irlande chez UiPath, pas surprenant, il a une perspective différente.

L'argument du hype, il suggère, n'a pas de sens. « Notre taux de renouvellement est plus de 90 %. »

Il réfère aussi à la croissance d'UiPath : 10 millions en 2016, 200 millions en 2018, suggérant que les chiffres durs indiquent un appétit féroce pour la RPA.

Et pourtant, il suggère qu'un petit nombre d'organisations utilisent la RPA, impliquant un potentiel massif pour la croissance.

Sarah Burnett, vice-présidente exécutive et analyste distinguée chez Everest Group dit que « nous avons actually fait des études qui montrent que les entreprises atteignent environ 30 % d'économies de coûts. »

Le pansement RPA ?

Ensuite il y a l'issue de la RPA étant comme un pansement. Ça se résume aux systèmes legacy. « Ils sont écrits en COBOL, ils sont assis sur des mainframes, et c'est un cas d'usage où nous sommes incapables de faire quoi que ce soit avec ces systèmes legacy plus dit Rees. Il argue ensuite que beaucoup des systèmes ne sont pas bien intégrés — « nous obtenons de multiples versions de la vérité, et cela signifie une quantité awful de travail manuel mundane, saisir des données, par exemple, qui existent déjà dans un autre système. » Il suggère qu'un certain nombre d'entreprises utilisent la RPA pour aider avec cela, mais que « à bien des égards, la RPA est un pansement pour des choses qui pourraient exister, des capacités qui pourraient exister dans les ERPs et autres solutions best-of-breed aujourd'hui. »

« La question dans mon esprit, il dit « est combien de temps la RPA reste vraiment comme une solution viable dans le marketplace. Et cela je ne sais pas. Je spéculerais quelque part entre trois et cinq ans, comme ce que nous voyons vraiment est des clients bougeant vers l'automatisation intelligente et les solutions cloud, qui sont vraiment la prochaine évolution de la RPA. »

Ici encore, il y a ceux qui fortement désapprouvent. Par exemple, UiPath a fameusement déclaré son but d'atteindre un robot pour chaque bureau, un but qui semble avoir du planning long-terme implicite.

Bruno Ferreira cite comme exemple, la cible d'UiPath de leur étant un robot par scientifique. « Imaginez cela, » il dit, « chaque jour un scientifique va au labo, mais doit passer une heure par jour en préparation, » avec la RPA il dit « les estimations suggèrent une économie de neuf heures par mois, ce qui serait amazing. »

Données sensibles

Rees a aussi des préoccupations avec les robots non-attendus, qui pourraient automatiser un processus de bout en bout. Une partie des issues réside avec la régulation et le danger que les robots non-attendus pourraient répéter une erreur, que les opérateurs, divorcés des opérations jour à jour, sont inconscients de.

« Tout le monde veut être agile, » il dit et « agile est génial d'une perspective développement quand vous pouvez vous permettre de faire des erreurs et apprendre des erreurs et corriger. Mais vous ne pouvez pas faire cela avec des données sensibles.

« Donc, quand vous avez des robots déplaçant des données du système A au système B assis derrière un pare-feu, non-attendu marche super. Si quelque chose va mal, devinez quoi ? On jette un autre sprint, on fixe, et on est de retour en non-attendu. Typiquement ça se fait attraper avant que ça n'entre jamais dans les mains de qui que ce soit, où ça va créer un problème. »

Il voit un problème, cependant, avec les données sensibles. Par exemple, si vous obtenez les « relevés bancaires pour le compte courant de quelqu'un d'autre. « Dans ces situations non-attendu devient beaucoup, beaucoup plus risqué. »

Sarah Burnett, par contraste, voit l'atteinte de la précision des données comme une des forces de la RPA.

Comme on dit, l'erreur est humaine, la RPA peut éliminer l'erreur.

« Si une personne entre un bout de données, ils peuvent si facilement accidentellement switcher quelques chiffres. Fixer cette erreur, plus loin dans le processus elle voyage, plus chère elle devient. Vous pourriez avoir des gens, dont le temps est très cher, chassant cette erreur et essayant de la fixer, loin dans la swim lane du processus. Les robots s'ils sont développés correctement et sont maintenus et tournent smoothly, ne feront pas ces erreurs. Nous entendons des organisations qui disent qu'elles ont continué à tester leurs apps robot et elles n'ont jamais trouvé une erreur une fois qu'elles l'avaient testée, c'était 100 % précis … toujours. »